本学科では、既存のAIを使うだけでなく、新しいAIモデルを創り出すために必要な理論的直観を構築します。

1. 線形代数 (表現)

あらゆるデータセットは高次元ベクトル空間です。これらの構造を操作し、複雑な環境データの中に潜むパターンを「見る」ための線形代数を教えます。

2. 微積分 (学習)

学習とは最適化です。「誤差逆伝播法」や「勾配降下法」を通じて、モデルは誤差の地形を探索します。機械がデータから実際にどのように「学習」するかを理解するために不可欠な多変数微積分を教えます。

3. 確率・統計 (解釈)

AIの出力は確実性ではなく確率です。科学的な意思決定に不可欠な、モデルの信頼度を厳密に解釈するために必要な統計的トレーニングを提供します。

数学を理解するだけでは十分ではありません。それを効率的に実装する必要があります。

1. 離散数学

グラフ理論から組み合わせ論まで、ニューラルネットワークのアーキテクチャや決定木を支える離散構造を教えます。

2. プログラミング & アルゴリズム

学習アルゴリズムとデータ操作の効率的な実装に重点を置きます。アルゴリズムとデータ構造の学習を通じて、環境数物科学の教育研究に適したプログラムを書くスキルを学びます。当学科ではPython とC言語を学びます。さらに統計解析に適したR言語を学びます。

3. 半導体物理学 (ハードウェア)

ソフトウェアにはハードウェアが必要です。ChatGPTのようなAIシステムを動かす「物理的な脳細胞」であるGPU内の電子の動きを制御する、半導体の物理的特性を学びます。
研究室: 佐藤 祐一 准教授

1. 地球化学データサイエンス

鉱物の化学組成を多項ロジスティック回帰、ランダムフォレスト、サポートベクターマシン等の機械学習の手法に基づいて分類し、分析データと組み合わせて解析します。
研究室: 板野 敬太 助教

2. 教育のための生成AI

生成AIを活用して適応型の演習問題を作成し、学生のパフォーマンスに基づいて学習パスをカスタマイズするAIシステムを開発しています。
研究室: Khaing Hsu Wai 助教

3. トポロジカルデータ解析

グラフなどのデータを組合せ論の概念を用いて幾何学的な特徴を持つ大規模データセットをモデル化するトポロジカルデータ解析（TDA）を社会現象や経済活動に応用する研究を行っています。
研究室: 山村 明弘 教授 – Khaing Hsu Wai 助教

4. LLMによる非常時情報収集システムへの応用

大規模言語モデル（LLM）を地震・台風などの災害時に、SNSやニュースメディアなどの各種情報ソースから適切な情報を収集するAIシステムの研究を行っています。
研究室: 山村 明弘 教授 – Khaing Hsu Wai 助教

5. Autoencoderの応用

機械学習においてニューラルネットワークを使用した次元圧縮のためのAutoencoderを応用した金融機関における仕訳帳における異常検知
研究室: 山村 明弘 教授 – Khaing Hsu Wai 助教